文档摘要

5.3 Agent增强的RAG系统 5.3.1 从单次检索到多步推理的范式转变 传统RAG系统的核心流程是「检索-生成」两步走：用户提出问题，系统从向量库中检索相关文档片段，再将这些片段与原始问题拼接后交给大语言模型生成回答。这种模式在处理简单事实查询时效果良好，但面对复杂问题、需要多轮推理的场景时，往往力不从心。用户的问题可能是模糊的、需要分解的，或者需要结合多个信息源才能回答。在这些场景下，单次检索的局限性就暴露出来了。 Agent增强的RAG系统（Agentic RAG）正是为了解决这一局限而诞生的。其核心思想是将大语言模型的推理能力、工具调用能力与RAG的检索能力深度融合，形成一个能够自主规划、多步检索、动态调整策略的智能系统。

---